比特
- 計算機專業術語，是信息量單位，是由英文
BIT音譯而來。 - 二進制數系統中，每個0或1就是一個位(bit)，位是數據存儲的最小單位。
- 二進制數的一位所包含的信息就是一比特，如二進制數0100就是4比特。
- 計算機中的CPU位數指的是CPU一次能處理的最大位數。例如32位計算機的CPU一次最多能處理32位數據。
- 比特就是 bit（可以簡寫為b），就是位，是數據存儲的最小單位。</br>
- bit=位=比特
字節
- 字節是現代計算機中連續的、固定數量的比特（二進制）：八個比特為一字節
- 英文Byte翻譯就是字節
- 字節就是Byte（可以簡寫為B），一字節就等于（占）8比特，就等于（占）8位</br>
1字節=8比特=8bit=8位
java中基本數據類型
類型|字節數|(二進位制)位數|最小|最大|默認|其他
--|--|--|--|--|--|--|--
byte|1|8|-128(-27)|127(27-1)|0|
short|2|16|-32768(-215)|32767(215-1)|0|
int|4|32|- 2,147,483,648(-231)|2,147,483,647(231 -1)|0|
long|8|64|-9,223,372,036,854,775,808(-2^63)|9,223,372,036,854,775,807 (2^63 -1)|0L|
float|4|32|||0.0f|
double|8|64|||0.0d|
boolean||1|||false|
char|2|16||||
字符與編碼
- ASCII碼
字符編碼，統一規定了英語字符與二進制位之間的關系。
ASCII碼一共規定了128個字符的編碼，比如空格"SPACE"是32（二進制00100000），大寫的字母A是65（二進制01000001）。這128個符號（包括32個不能打印出來的控制符號），只占用了一個字節的后面7位，最前面的1位統一規定為0。 - Unicode
Unicode涵蓋了各個國家語言可能出現的符號和文字，并將為他們編號，比如，U+0639表示阿拉伯字母Ain，U+0041表示英語的大寫字母A，U+4E25表示漢字"嚴"。
Unicode只是一個編碼字符集。
Unicode只規定了符號的二進制代碼，卻沒有規定這個二進制代碼應該如何存儲。
字庫表（character repertoire）：一個相當于所有可讀或者可顯示字符的數據庫，決定了整個字符集能夠展現表示的所有字符的范圍。
編碼字符集（coded character set）：用一個編碼值code point來表示一個字符在字庫中的位置。
字符編碼（character encoding form）：編碼字符集和實際存儲數值之間的轉換關系。
Unicode是一個簡單的標準，用來把字符映射到數字上（可以這樣理解：選取一個具體的數字范圍，然后將范圍中的數字設置定義為碼位，然后為每個碼位編制一個文字符號，這樣文字符號就和數字建立了一一對應的關系。Unicode就是制定了這樣一種關系。而UTF-8實現，是指怎樣將這個碼位存儲起來，是1個字節還是2個字節，還是多個字節）。Unicode協會的人會幫你處理所有幕后的問題，包括為新字符指定編碼。Unicode并不告訴你字符是怎么編碼成字節的。這是被編碼方案決定的，通過UTF來指定。
- UTF-8
UTF-8是一種字符編碼，是Unicode規則字庫的一種實現形式（從UTF-8的全稱8-bit Unicode Transformation Format可以輔助理解這一點，utf-16，utf-32都是Unicode規則字庫的一種實現形式）。
Unicode的編號從0000開始一直到10FFFF共分為17個Plane（016），每個Plane中有65536個字符。而UTF-8則只實現了第一個Plane，可見UTF-8雖然是一個當今接受度最廣的字符集編碼，但是它并沒有涵蓋整個Unicode的字庫，這也造成了它在某些場景下對于特殊字符的處理困難~ - UTF-8編碼為變長編碼。最小編碼單位（code unit）為一個字節。一個字節的前1-3個bit為描述性部分，后面為實際序號部分。它可以使用1~6個字節表示一個符號（這句話可以參考維基百科的說明來理解），根據不同的符號而變化字節長度。
- 對一個英文字母，在UTF-8編碼方式下占用1個字節
- 對一個數字，在UTF-8編碼方式下占用1個字節
- 對一個漢字而言，在UTF-8編碼方式下2-4個字節（沒有找到標準解答，一般為3到4個字節）
- ISO-8859-1
共能表示 256 個字符，占用1個字節 - GB2312和GBK
GB2312全稱是《信息交換用漢字編碼字符集 基本集》，總的編碼范圍是 A1-F7，其中從 A1-A9 是符號區，總共包含 682 個符號，從 B0-F7 是漢字區，包含 6763 個漢字。GBK全稱叫《漢字內碼擴展規范》，是國家技術監督局為 windows95 所制定的新的漢字內碼規范，它的出現是為了擴展 GB2312，加入更多的漢字，它的編碼范圍是 8140~FEFE（去掉 XX7F）總共有 23940 個碼位，它能表示 21003 個漢字，它的編碼是和 GB2312 兼容的，也就是說用 GB2312 編碼的漢字可以用 GBK 來解碼，并且不會有亂碼。
對GB2312和GBK而言： - 對一個英文字母或者一個數字，占用1個字節
- 對一個漢字而言，占用2個字節
為什么只會出現漢字亂碼，英文字母和數字卻不會：ASCII最先使用，其它的字符集都兼容ASCII
-
內碼和外碼
內碼（internal encoding）：程序內部使用的字符編碼，特別是某種語言實現其char或String類型在內存里用的內部編碼；
外碼（external encoding）：程序與外部交互時外部使用的字符編碼。“外部”相對“內部”而言；不是char或String在內存里用的內部編碼的地方都可以認為是“外部”。例如，外部可以是序列化之后的char或String，或者外部的文件、命令行參數之類的。
這里可以參考Java 字符串編碼
更多參考
字符集和字符編碼
編碼研究筆記
學點編碼知識又不會死：Unicode的流言終結者和編碼大揭秘
十分鐘搞清字符集和字符編碼
UTF-8
The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)
程序員趣味讀物：談談Unicode編碼
字符集編碼與亂碼文集
